训练一个大模型到底要烧多少电
AI大模型的能源消耗正在成为一个不可忽视的问题。 训练成本 大模型训练的电力消耗极其惊人。以GPT 4级别的模型为参考： 单次训练消耗的电量相当于 几百个美国家庭一年的用电量 微软、Google、Meta的AI数据中心建设正在推高全球数据中
第 98 页
查看归档 →AI会抢走程序员饭碗吗
每次AI编程工具有大更新，社交媒体上就会炸一波"程序员要失业了"的讨论。那实际情况怎样？ METR的研究很打脸 AI安全研究组织METR做了一个严格的实验：让有经验的开发者分别在有和没有AI辅助的情况下完成编程任务。 结果： 用了AI工具的
2026年AI Agent生态全景
"AI Agent"在2025年还是个有点模糊的概念，到了2026年已经变成了具体的产品和工具链。 几个明确的信号 微软 把Copilot改造成了agent架构（Copilot Cowork），5月上线Agent 365统一管理平面。 Gi
RAG未死，正变成AI应用的上下文引擎
去年年初一度有人预言"RAG已死，长上下文模型会取代一切"。结果呢？RAG不但没死，反而进化了。 从RAG到Context Engine RAG最初的定义是"检索增强生成"——从外部数据库捞信息，塞给模型一起用。但到2025年底，这个概念已
量化与蒸馏成大模型上小设备核心技术
大模型能力越来越强，但部署成本也越来越高。 量化和蒸馏 是目前最主流的两种"把模型变小变快"的技术路线。 量化：降精度 核心思路：把模型权重从高精度格式（FP32/FP16）压缩到低精度格式（INT8/INT4甚至更低）。 训练后量化（PT
Hugging Face 报告 中国模型下载量首超美国
Hugging Face刚出了2026年春季的开源生态报告，几组数据很有冲击力： 平台规模 用户： 1300万 公开模型： 200万+ 公开数据集： 50万+ 三项数据同比都接近翻倍。 最大的变化：中国模型下载量占41% 中国模型在Hugg
中国 AI 监管落地速度远超预期
Nature的一篇分析指出： 中国2025年上半年发布的AI国家级法规数量，等于之前三年的总和。 监管框架 从2022年开始，中国已经建立了一套相当完整的AI监管体系： 生成式AI模型上线前必须 提交监管审查 AI生成的内容必须带 可见的、
MiniMax 发布 M1 推理模型
MiniMax在推理模型赛道上的存在感不算高，但M1的成绩单说明他们是 认真在做事 的。 M1的定位 M1是MiniMax的推理模型系列，对标的是OpenAI的o系列和DeepSeek的R1。核心能力集中在数学推理、代码生成和逻辑分析。 在
MiniMax 海螺 AI 成视频生成国产黑马
MiniMax这家公司在国内AI圈一直比较低调，但 海螺AI 的视频生成能力在圈内已经有了不小的口碑。 产品形态 海螺AI是MiniMax面向C端的产品，涵盖文本对话、语音合成和视频生成。其中视频生成是最拿得出手的。 用户可以通过文字描述生
开源框架OpenClaw爆供应链安全信任危机
OpenClaw爆火之后没多久就遇到了一个棘手的问题—— 有人在npm上发布了名称相似的恶意包 ，试图冒充OpenClaw的官方依赖。 事件经过 攻击者注册了几个和OpenClaw官方包名称非常接近的npm包（典型的typosquattin